Les poids de Kimi K3 sont-ils ouverts et puis-je l’exécuter localement ?

Oui, Moonshot AI a publié les poids complets du modèle publiquement, vous pouvez donc les télécharger et les auto-héberger. Avec 2,8 trillions de paramètres totaux, vous aurez cependant besoin d’un matériel conséquent ; la plupart des utilisateurs l’utiliseront via API plutôt que localement.

Quel est le coût de Kimi K3 et quelle est sa fenêtre contextuelle ?

Via l’API, il est facturé 0,73 $ par million de tokens en entrée et 10,00 $ par million en sortie, avec une fenêtre contextuelle de 1 048 576 tokens — juste un peu plus d’un million.

En quoi Kimi K3 diffère-t-il des autres modèles de pointe ?

C’est le premier modèle ouvert dans la classe des 3 trillions de paramètres, utilisant une architecture innovante KDA et Attention Residuals, conçu spécifiquement pour les workflows agentiques à long terme avec vision native — plutôt qu’un modèle de chat généraliste avec un raisonnement ajouté.

▲

23.9%

cette semaine

Kimi K3

9095°

#llm #moonshotai #vision #vidéo #raisonnement #programmation

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

MoonshotAI | 1,048,576 token context | $0.30/M input, $11.94/M output. Kimi K3 is a 2.8T parameter open-weight multimodal reasoning model from Moonshot AI. It is suited for complex coding, knowledge work, and long-horizon agentic workflows, and is particularly strong at navigating large repositories, using tools, debugging, and iterating against images, logs, tests, and runtime feedback. Its architecture uses KDA and Attention Residuals for computational efficiency.

Guides pour ce modèle

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Comment choisir un modèle d'IA en octobre 2026 : les nouveautés des modèles fermés, puis les poids ouverts à télécharger

Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche

De combien de VRAM ai-je vraiment besoin pour l'IA locale ?

Comment installer Ollama et faire tourner une IA locale (Windows, Mac, Linux)

Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Kimi K3 est un modèle de raisonnement multimodal à poids ouverts de 2,8 trillions de paramètres de Moonshot AI, construit sur une architecture innovante KDA et Attention Residuals avec 104 milliards de paramètres activés par token. Il gère texte, images et vidéo nativement sur une fenêtre contextuelle d’un million de tokens, et vise clairement les travaux agentiques à long terme : sessions de codage multi-étapes, navigation dans de grands dépôts, et pipelines de recherche à outils multiples. Si vous avez besoin d’un modèle de pointe ouvert pour un travail d’ingénierie ou de connaissance sérieux, c’est celui à évaluer.

Connu pour

Soutient de longues sessions de codage agentique sur d’énormes dépôts avec une supervision minimale.
Multimodal natif : comprend texte, images et vidéo dans un seul modèle.
Fenêtre contextuelle d’un million de tokens pour un travail approfondi sur documents et bases de code.
Architecture MoE de 2,8 trillions de paramètres activant 104 milliards par token pour un raisonnement de pointe.
Poids ouverts publiés par Moonshot AI pour la recherche et le déploiement.

Attention à

La sortie est facturée 10,00 $ par million de tokens — les coûts montent vite dans les longues boucles agentiques.
Avec 2,8 trillions de paramètres totaux, le déploiement local nécessite un matériel sérieux ; la plupart des utilisateurs passeront par l’API.
Les poids sont publiés sous la licence Kimi K3, qui n’est pas une licence open source standard — vérifiez ses termes avant usage commercial.

Idéal pour

Programmation

Agents et utilisation d'outils

Raisonnement

Vision

Contexte long

Prompts à essayer

Déboguer une suite de tests échouée

J’ai un dépôt Python où les tests d’intégration échouent après un récent refactoring. Voici le journal d’erreurs et les fichiers concernés. Identifiez la cause racine, remontez-la dans la base de code, et proposez une correction minimale avec une explication de pourquoi le changement original a cassé les tests.

Raisonnement sur la conception d’un système

Concevez un service de limitation de débit pour une API publique qui doit gérer 50 000 requêtes par seconde, supporter des limites par utilisateur et par endpoint, dégrader gracieusement en cas de défaillance de Redis, et ajouter au maximum 2 ms de latence au p99. Expliquez vos choix architecturaux et les compromis faits à chaque étape.

Analyse d’une capture d’écran pour bugs

Je joins une capture d’écran du tableau de bord de mon application web. Le graphique dans le panneau en haut à droite s’affiche mal — les barres se chevauchent et les étiquettes d’axe sont tronquées. Diagnostiquez quels réglages CSS ou de la bibliothèque graphique causent probablement cela et donnez-moi la configuration corrigée.

Comparer avec

Kimi Latest
Modèle uniquement API
Contexte de 1,048,576 tokens · entrée $0.29/M, sortie $24.00/M
Kimi K2 Thinking
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.60/M, sortie $2.50/M
Kimi K2.7 Code
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.67/M, sortie $3.35/M
Kimi K2.5
Modèle à poids ouverts
Contexte de 262,144 tokens · entrée $0.50/M, sortie $2.50/M

Plus de modèles de texte de moonshotai

Questions fréquentes

Les poids de Kimi K3 sont-ils ouverts et puis-je l’exécuter localement ?: Oui, Moonshot AI a publié les poids complets du modèle publiquement, vous pouvez donc les télécharger et les auto-héberger. Avec 2,8 trillions de paramètres totaux, vous aurez cependant besoin d’un matériel conséquent ; la plupart des utilisateurs l’utiliseront via API plutôt que localement.
Quel est le coût de Kimi K3 et quelle est sa fenêtre contextuelle ?: Via l’API, il est facturé 0,73 $ par million de tokens en entrée et 10,00 $ par million en sortie, avec une fenêtre contextuelle de 1 048 576 tokens — juste un peu plus d’un million.
En quoi Kimi K3 diffère-t-il des autres modèles de pointe ?: C’est le premier modèle ouvert dans la classe des 3 trillions de paramètres, utilisant une architecture innovante KDA et Attention Residuals, conçu spécifiquement pour les workflows agentiques à long terme avec vision native — plutôt qu’un modèle de chat généraliste avec un raisonnement ajouté.

Verdict du capitaine
Le modèle à poids ouverts le plus performant disponible actuellement, conçu pour agents et travaux d’ingénierie sérieux — mais le prix de sortie pénalisera les longues sessions.

Fiche modèle sur Hugging Face

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Also ranked: #16 Hottest Text / LLM model · #16 Hottest Text / LLM text model

Not this creator?

Get your own badge

Tendance de popularité de Kimi K3

Score de chaleur depuis 16 Jul 2026

Score de popularité

9,095°

Cette semaine

▲

23.9%

9,067° alors, 9,095° maintenant

Ce mois-ci

▲

189%

8,954° alors, 9,095° maintenant

L'année passée

n/a

Pas encore publié/suivi

7,000°

Plancher

L’échelle va de 0° à 9 999°. Tout ce qui est en dessous de 7,000° est réservé aux modèles dont aucune source ne rapporte encore de données, ils portent un nombre de remplacement pour que les listes restent complètes. 7,000° est le point où les données mesurées commencent : un modèle avec de vraies données mais presque aucun téléchargement est au plancher, et les mesures remplissent les degrés au-dessus. Le plancher ne dit rien sur le modèle ; seuls les degrés au-dessus le font, et ce sont eux qui différencient un modèle d’un autre.

+1,767°

Tokens OpenRouter

7,787,431,365,488 tokens traités par ce modèle via OpenRouter au cours des 30 derniers jours, prompts et réponses confondus. Chaque 10,000,000 tokens compte comme un téléchargement dans le terme de téléchargement, 778,743 au total ; les tokens du dernier jour s'ajoutent au taux d'adoption. Source : OpenRouter (openrouter.ai/rankings).

+328°

Taux d’adoption

Environ 23,609 téléchargements par jour, mesurés entre deux relevés des sources, jamais estimés à partir d’une moyenne sur la durée. La vitesse compte pour un quart du terme téléchargement, donc une poussée récente apparaît sans qu’un pic d’un jour dépasse des années d’usage.

Afficher le détail

Chaque chiffre sur ce site peut être vérifié. Le score de popularité de ce modèle est de 9,095°, et voici comment il est construit, ingrédient par ingrédient, avec le total cumulé après chaque étape : le plancher, les degrés ajoutés par chaque source, le bonus pour le type de modèle et ce que l’âge de ses poids enlève. Les couleurs correspondent aux bandes du graphique ci-dessus. Le glossaire à la fin définit chaque terme.

1
Commence au plancher.
Pourquoi 7,000° et pas zéro : l’échelle va de 0° à 9 999°, et la partie en dessous de 7,000° est réservée aux modèles dont aucune source ne rapporte encore de données, qui portent un nombre de remplacement pour que les listes restent complètes et ne dépassent jamais un modèle avec données. 7,000° est le point où les données mesurées commencent. Un modèle avec de vraies données mais presque aucun téléchargement est ici ; tout ce qui suit est une mesure, et l’espace au-dessus du plancher contient dix paliers de dix fois plus de téléchargements à 300° chacun. Le plancher est le même pour tous les modèles, donc il ne décide rien ; ce sont les degrés au-dessus qui le font.
7,000°
total en cours
2
Ajoute les téléchargements.
778,743 équivalents de téléchargement au total, venant de Tokens OpenRouter. Multiplier les téléchargements par dix ajoute le même 300°, donc la taille compte mais ne domine jamais le score.
+1,767°
8,767°
total en cours
3
Ajoute le taux d’adoption.
Environ 23,609 téléchargements par jour en ce moment, mesurés entre deux relevés, à un quart du poids.
+328°
9,095°
total en cours
=
Le score de chaleur.
La place de ce modèle dans chaque liste de ce site. Rien d’autre ne le modifie.
9,095°

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Voici comment la popularité de ce modèle a évolué par rapport au reste du catalogue : sa croissance en téléchargements, likes et utilisation à chaque période, comparée à la croissance typique des modèles sur la même période, avec son score de chaleur à ce moment-là. Au-dessus de la croissance typique, c’est une hausse, en dessous, une baisse. Le passé est reconstitué à partir des totaux d’aujourd’hui, du premier jour du modèle et de sa vitesse de téléchargement mesurée quand il y a deux relevés ; un modèle qui n’existait pas au début d’une période affiche n/a.

Modèles similaires

Modèles d'IA pour générer image, vidéo et texte

Kimi K3 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm moonshotai vision vidéo raisonnement programmation agents contexte long

Parcourir par famille de modèles